真卷啊！据传Claude 4.5和Gemini 3.0即将发布

导读： 本文聚焦于近期人工智能领域的最新进展，涵盖了从语音合成、大模型能力突破，到AI在内容创作、编程辅助、教育以及隐私保护等多个维度的创新应用。小红书、百度、谷歌、OpenAI、腾讯、阿里、Meta等行业巨头及初创公司纷纷推出新模型、新平台或优化现有服务，展现了AI技术在提升效率、降低门槛、拓展应用场景等方面的巨大潜力。同时，AI安全治理框架的更新也预示着行业正朝着更加规范和负责任的方向发展。

小红书FireRedTTS-2：革新AI播客体验

小红书的智创音频团队近日发布了FireRedTTS-2，这是一款尖端的对话合成模型，其核心优势在于极大地增强了语音合成的自然度和逼真度。该模型具备强大的音色克隆能力，仅需少量语音样本即可生成高度逼真的、包含多位说话者的对话。这一突破性进展使得FireRedTTS-2在播客制作、配音等需要自然人声交互的领域展现出巨大潜力。此外，模型支持多语言，并采用了低帧率离散语音编码器，显著优化了合成速度和稳定性，能够灵活适应各种音频应用的需求。

详细信息可在GitHub上找到：https://github.com/FireRedTeam/FireRedTTS2。

百度文心ERNIE-4.5-21B：Hugging Face模型榜单新王者

百度文心大模型家族再添新成员，开源发布了ERNIE-4.5-21B-A3B-Thinking模型。这款模型巧妙地采用了Mixture-of-Experts（MoE）架构，尽管总参数量高达21亿，但每次推理实际激活的参数仅为3亿，从而大幅削减了计算成本。其突出亮点在于支持高达128K的超长上下文窗口，在逻辑推理、数学问题解决以及多模态任务处理方面表现卓越。凭借这些优势，ERNIE-4.5-21B-A3B-Thinking迅速攀升至Hugging Face文本生成模型榜单的首位，有力证明了百度在全球人工智能领域的强大实力。

谷歌Gemini：iPhone应用商店的免费新宠

谷歌的Gemini应用在美国App Store免费应用排行榜上迅速跃居榜首，赢得了广大iPhone用户的青睐。该应用的核心竞争力在于其搭载的Nano Banana图像编辑模型，该模型能够精准地保持人物面部特征的一致性，并生成高质量的图像，这使其在创意设计和内容创作领域具有广泛的应用前景。Gemini的成功不仅彰显了生成式AI在移动端的巨大潜力，也带动了谷歌旗下其他应用的排名显著提升。

xAI战略转型：聚焦专业AI导师领域

xAI近期进行了一系列战略调整，其中一项重要举措是裁减约500名员工，主要涉及数据标注团队。此举旨在将公司的发展方向从通用AI导师转型为更加专注于专业AI导师领域。为此，xAI计划大幅扩展其专业AI导师团队，规模预计将增加十倍。这一战略性转变旨在提升公司在特定专业领域的AI应用能力，优化资源配置，并加速技术升级的步伐。

OpenAI与微软：财务协议调整与收入增长

OpenAI正计划与其合作伙伴微软就财务协议进行调整。目标是将双方的收入分成比例从当前的近20%逐步降低，预计到2030年将达到8%。此举旨在应对日益高昂的AI模型训练计算成本。据估计，这一调整将为OpenAI带来超过500亿美元的额外收入，这笔资金将用于进一步的模型研发和业务扩张。作为回报，微软将获得OpenAI实体约三分之一的股份，但仍将保持OpenAI的运营性，不参与董事会决策。

DeepMCPAgent开源：AI代理生产力飞跃

DeepMCPAgent作为一款新近开源的框架，为AI代理的开发带来了性的提升。该框架支持动态的MCP（Multi-modal Conversational Programming）工具发现，并且能够与LangChain和LangGraph等主流开发工具无缝集成，同时兼容多种主流大语言模型（LLM）。这使得开发者能够更快速、更灵活地构建生产级的AI代理，显著加速了从原型设计到实际应用的开发流程。DeepMCPAgent的应用场景广泛，尤其在自动化任务和数据处理方面能够发挥巨大作用。更多详情请访问：https://github.com/cryxnet/deepmcpagent。

蚂蚁集团AI开源生态全景图2.0：引领潮流

蚂蚁集团发布了其AI开源生态全景图2.0报告。该报告通过OpenRank评价体系，精选了114个高价值的AI项目，覆盖了22个关键技术领域，全面展示了全球AI开源领域的最新动态和发展趋势。报告指出，美国和中国的开发者在AI创新方面占据着主导地位，AI技术已成为全球关注的焦点，并正在有力地推动学术研究和产业发展。

北京中小学引入AI通识课程

北京市教育部门在本学期启动了一项重要举措，为全市1400多所中小学引入了AI通识课程。该课程计划每学年至少开设8个课时，覆盖小学到高中各个学段。课程内容不仅涵盖AI的基础知识和应用技能，还强调AI伦理责任的培养。通过项目实践，旨在提升学生的创新思维和解决问题的能力。这些课程既可以开设，也可以与现有学科进行融合，有效避免了内容上的重复。

腾讯混元3D 3.0：建模精度提升三倍

在2025全球数字生态大会上，腾讯发布了其最新的混元3D 3.0模型。该模型采用了先进的3D-DiT分级雕刻技术，使得建模精度相较于以往提升了三倍，能够生成更加逼真细腻的3D内容。同时，腾讯还推出了混元3D Studio平台，为专业创作者提供了一套高效的创作工具。未来，腾讯计划将混元3D omni模型进行开源，以期推动3D技术在游戏、影视等多个领域的广泛应用。

昆仑万维Mureka Agent Studio：简化音乐创作流程

昆仑万维旗下的Mureka平台推出了Agent Studio这一创新功能，极大地降低了音乐创作的门槛。用户只需通过简单的文字描述，AI即可自动生成歌词和音乐。该功能支持专辑制作、热点话题创作、情感表达等六大应用场景，无论是专业的音乐人还是普通爱好者，都能轻松上手，享受音乐创作的乐趣。更多信息可访问：https://www.mureka.ai/。

阿里Qoder推出付费订阅：Pro版每月20美元

阿里Qoder现已推出Pro（每月20美元）和Pro+两种付费订阅计划，为用户提供无限代码补全和高级模型调用等功能。这些新功能旨在优化Credits的消耗机制，并提升智能体工具的并行性，从而显著提高开发效率。此外，其工程检索的准确率也得到了提升，使得开发者在处理复杂项目时能够实现更高效的编程。订阅服务可在https://qoder.com/上获取。

VEED Fabric 1.0：图片瞬间拥有生命

VEED Fabric 1.0是一款性的AI视频生成工具，只需一张静态图片和一段语音输入，即可快速生成高质量的“会说话”视频。该工具能够实现精准的唇形同步和自然的表情，并且生成速度提升了7倍，成本则降低了60倍。Fabric 1.0支持多语言和自动字幕功能，非常适合教育、营销等需要快速内容生产的场景。了解更多请访问：https://www.veed.io/ai/fabric-1-0。

OpenAI GPT-5-Codex：重塑AI编码体验

OpenAI发布了GPT-5-Codex，引入了动态思考机制，能够根据任务的复杂程度智能调整处理时间，从而显著提升编码效率。该模型支持IDE扩展、Web界面以及GitHub代码审查等多种集成方式，极大地缩短了开发周期，并有效减少了代码错误。GPT-5-Codex的推出受到了广大开发者的普遍好评。相关信息可在https://openai.com/index/introducing-upgrades-to-codex/查阅。

《AI安全治理框架》2.0版发布

2025年9月15日，《人工智能安全治理框架》2.0版正式发布。此次更新针对人工智能技术发展带来的新挑战，对风险分类和防范措施进行了优化，并着重强调了全球合作的重要性。该框架旨在构建一个安全、可信的人工智能生态系统，从而更好地保障技术的健康发展和用户的合法权益。

详情可参见：https://www.cac.gov.cn/2025-09/15/c_1759653448369123.htm。

OpenAI Evals：新增音频评估功能

OpenAI的Evals工具近期新增了原生音频输入功能，这意味着开发者现在可以直接上传音频文件来评估语音识别和语音生成模型的性能，而无需进行文本转录。这项新功能极大地提升了测试的效率，并为智能语音助手和音频内容生成等应用提供了更精准的支持。

Mini-o3模型：突破视觉推理新高度

字节跳动与香港大学合作研发的Mini-o3开源模型，在视觉推理能力上取得了重大突破，支持数十轮的视觉推理，远超传统模型1-2轮的限制。通过引入VisualProbe数据集和超轮次掩码策略，该模型在处理复杂视觉问题时表现出色，尤其适合需要多轮对话和深度推理的应用场景。

相关研究论文可在https://arxiv.org/pdf/2509.07969上查阅。

上海AI Lab Lumina-DiMOO：多模态融合新典范

上海人工智能实验室联合多所高校推出了Lumina-DiMOO模型。该模型采用了全离散扩散架构，并通过对比学习有效整合了文本、图像、音频等多模态数据，从而显著提升了生成内容的质量和效率。Lumina-DiMOO在图像生成和多模态理解方面展现出卓越的性能，可广泛应用于教育、创意设计等领域。项目代码可在https://github.com/Alpha-VLLM/Lumina-DiMOO获取。

腾讯AI绘画技术：美感大幅提升

腾讯通过引入“Direct-Align”和“语义相对偏好优化”（SRPO）等先进技术，对AI绘画模型进行了优化。这些技术有效减少了梯度现象，使得生成图像的真实感和美学评分均提升了300%。新的技术解决方案成功解决了奖励作弊问题，并支持通过文本指令控制图像风格，为艺术创作带来了新的可能性。相关研究成果可查阅：https://arxiv.org/pdf/2509.06942。

Meta AI MobileLLM-R1：轻量级模型赋能边缘设备

Meta AI发布了MobileLLM-R1系列轻量级模型，其参数量范围从140M到950M不等。这些模型专为边缘设备设计，仅使用了11.7%的数据进行训练，却在多项任务上超越了多款大型模型，特别是在数学和编码任务中表现尤为突出。MobileLLM-R1系列非常适合在功耗受限的场景下部署。模型可在Hugging Face上找到：https://huggingface.co/facebook/MobileLLM-R1-950M。

腾讯AI应用繁荣计划：赋能企业数字化转型

腾讯启动了AI应用繁荣计划，该计划聚焦于垂直行业场景，通过AI共创营和百校行等活动，吸引了超过300家企业参与。腾讯为这些企业提供了技术和资源支持，旨在孵化智能体和大模型应用。首届活动吸引了近3000名参与者，充分展现了AI技术在产业化方面的巨大潜力。

谷歌DeepMind VaultGemma：保障数据隐私

谷歌DeepMind发布了VaultGemma，该模型基于Gemma2架构，拥有10亿参数。VaultGemma集成了差分隐私技术，通过添加随机噪声来保护用户数据的安全，确保输出结果的隐私性。该模型将在Hugging Face和Kaggle上开源，特别适合对数据隐私有严格要求的应用场景。

豆包月活破1.57亿：领跑中国AI应用

QuestMobile的最新报告显示，豆包应用的月活跃用户已达到1.57亿，环比增长6.6%，成功超越DeepSeek，成为中国原生AI应用中的佼佼者。腾讯元宝以22.4%的增速位列第三。报告还指出，在中国TOP50的AI应用中，超过一半是In-App插件形式，豆包在PC和移动端的跨平台表现尤为突出。